Pobreza, Desigualdad y Segregación en La RM

ESTUDIO
POBREZA, DESIGUALDAD Y SEGREGACIÓN

EN LA REGIÓN METROPOLITANA*
l
.c
Claudio A. Agostini
ile
ch
En general, hay consenso respecto a cómo medir pobreza y
desigualdad. Es por ello que existe un grado importante de
acuerdo sobre su evolución en el tiempo, tanto en Chile como
ep
en la Región Metropolitana. Sin embargo, no existe igual gra-

do de acuerdo respecto a la segregación. No hay una defini-
ción clara de qué es segregación ni cómo medirla, ni hay da-
.c
tos validados que permitan ver su evolución en el tiempo. No

obstante, la ciudad de Santiago suele ser percibida como una
w
urbe muy segregada y se piensa que ello tiene efectos negati-

vos. En general, no hay buenos argumentos para concluir
w
que la segregación geográfica es mala per se y sí hay casos

en que puede ser neutra o incluso buena. La evidencia en la
w
literatura económica muestra consistentemente dos casos en

los cuales sí hay efectos negativos: minorías raciales y po-
bres. En el caso de Chile, existe también algo de evidencia
de que la segregación residencial tiene efectos negativos en
CLAUDIO AGOSTINI. Doctor en Economía, University of Michigan. Profesor

asociado, ILADES-Universidad Alberto Hurtado.
*Agradezco los comentarios de Alexander Galetovic, Pablo Allard y Manuel
Tironi. En especial, agradezco a Magdalena Opazo por su excelente, riguroso y dedicado
apoyo en la investigación.
Estudios Públicos, 117 (verano 2010).

220 ESTUDIOS PÚBLICOS
los más pobres. Por esta razón, un análisis relevante para la

ciudad de Santiago debiera intentar responder qué tan segre-
gada es la ciudad en términos de ingreso y, especialmente, de
pobreza. El objetivo principal de este trabajo es contribuir a
responder dicha pregunta. La evidencia empírica que se pre-
senta muestra que la realidad es bastante menos dramática
que la percepción que se tiene de Santiago: la ciudad se ha
vuelto menos segregada y algunas afirmaciones sobre ella no
se ven confirmadas en los datos. La calidad de vida ha mejo-
rado mucho y las diferencias entre comunas en la Región
Metropolitana se han reducido en forma significativa. Una
l
excepción importante es el nivel de capital humano, donde
.c
hay diferencias importantes. Es por ello que tanto la pobreza
como la educación debieran tener mayor prioridad en el deba-
ile
te público que la segregación.
Palabras clave: pobreza; desigualdad; segregación; Santiago.
ch
Clasificación JEL: I32, D31, D63, O10, O15.
ep
“En el nuevo contexto de globalización de las economías,

la segregación residencial se está volviendo ‘maligna’
.c
en nuestras ciudades.”
(Francisco Sabatini, Gonzalo Cáceres y Jorge Cerda
w
en revista EURE, 2001)

w
I. Introducción
w
E n general, existe bastante consenso respecto a qué son la

pobreza y la desigualdad y cómo medirlas. En el caso de la pobreza, la
definición conceptual se refiere a personas u hogares cuyo ingreso es
menor que el necesario para poder consumir una canasta de bienes que
satisfaga las necesidades mínimas (consumo básico). Si bien se puede
medir la pobreza también en términos de gasto, el estándar es utilizar
ingreso, ya que es una medida razonable de las oportunidades que tiene
una familia y no está influida por las decisiones específicas de consu-
mo que tome (Atkinson, 2008). Es así como se identifica como pobres
a aquellos hogares que se encuentran bajo el nivel de ingreso que
determina la condición de pobreza (bajo la línea de pobreza).
CLAUDIO A. AGOSTINI 221
En el caso de la desigualdad, el objetivo es poder comparar

distribuciones del ingreso, per cápita o del hogar, en forma cuantitativa.
La medida más utilizada para cuantificar desigualdad es el coeficiente
de Gini, pero también se utiliza la proporción del ingreso total nacional
que poseen distintos subgrupos de la población, en particular los distin-
tos deciles o quintiles (Glaeser, 2005).
También hay un grado importante de acuerdo respecto a su
evolución en el tiempo en Chile en general y en la ciudad de Santiago en
particular. Si bien puede haber algún grado de discrepancia en los
detalles metodológicos en el cálculo y actualización de las cifras oficia-
l
les, no hay discrepancias respecto a que la pobreza ha disminuido en
.c
forma importante en Chile durante los últimos 20 años, mientras que
los niveles de desigualdad se han mantenido relativamente constantes
en el mismo período.
ile
No hay igual consenso en cuanto a la segregación. No existe una
ch
definición clara de qué es segregación, tampoco hay acuerdo en una
forma de medirla y no hay datos validados que permitan ver su evolu-
ción en el tiempo.
ep
La percepción general respecto a la ciudad de Santiago es que se

trata de una ciudad muy segregada (Rodríguez, 2001; Vargas, 2006),
.c
lo cual tendría efectos negativos en sus habitantes y en el funciona-

miento de la ciudad misma (Sabatini, 2006). En esta discusión se
w
entiende por segregación, a partir de un concepto sociológico, la falta

de interacción entre grupos sociales. De esta forma, la segregación
w
geográfica implica una distribución no homogénea de distintos grupos

sociales en un espacio físico, en este caso en la ciudad, y donde por
w
grupo social se entiende nivel de ingreso o grupo socioeconómico.

Si consultamos el Diccionario de la Real Academia Española,
segregar se define, en primer lugar, como “Separar o apartar algo de
otra u otras cosas” y, en segundo lugar, como “Separar y marginar a
una persona o a un grupo de personas por motivos sociales, políticos o
culturales”. En ambas acepciones está implícita la idea de que la sepa-
ración no fue voluntaria sino que forzada, y tal vez eso lleva a la
connotación negativa que tiene la segregación.
Tal vez lo primero que es importante mencionar entonces, con el
objeto de reducir la carga negativa que tiene la palabra “segregación”,
es que la segregación ocurre no sólo en un contexto de niveles de
ingreso o grupos sociales. Hay segregación entre extranjeros y chilenos
en la plaza de Armas, entre alumnos y profesores en una sala donde se

presenta un seminario, entre personas de distintos países en una comi-
da, en una conferencia, y entre distintas especies animales que ocupan
un territorio geográfico. Estos ejemplos reflejan que la segregación
geográfica no tiene por qué ser mala per se, sino que puede también ser
neutra o incluso buena.
Si bien es difícil determinar empíricamente los efectos de la
segregación residencial en distintas variables de éxito personal de sus
habitantes, la literatura económica muestra consistentemente dos casos
en los cuales hay efectos negativos: minorías raciales y pobres.
l
En el caso de minorías raciales, en particular de los negros, la
.c
evidencia muestra que la segregación espacial tiene efectos negativos
en los resultados escolares, el empleo y la probabilidad de ser padre/
ile
madre soltero(a) (Cutler y Glaeser, 1997). Adicionalmente, se generan
externalidades negativas en oportunidades educacionales, barreras cul-
ch
turales, restricciones al flujo de capital, oportunidades de empleo y
desincentivos para invertir en el stock de viviendas, las cuales restrin-
gen la movilidad social y reducen la calidad de vida (Vandell, 1995).
ep
En el caso de las personas de menores ingresos, que es más

relevante para la discusión sobre Santiago que el caso de minorías
.c
raciales, la evidencia es que los pobres que viven aislados en barrios

pobres tienen una peor situación de pobreza que los pobres que viven
w
en barrios más heterogéneos, lo que se traduce en peores resultados

académicos, peor estado de salud y mayores tasas de criminalidad
w
(Dawkins et al., 2005; Charles et al., 2004; Clapp y Ross, 2004;

Burton, 2003; Logan y Messner, 1987). La explicación es que en
w
barrios donde se concentra pobreza, en general, hay pocos modelos

(role models) positivos, el crimen y las drogas son más frecuentes y
visibles, los buenos trabajos pueden no inexistir o estar ubicados muy
lejos y los servicios como la educación tienen menos financiamiento y
son de inferior calidad (Yinger, 1979; Galster, 1991, 1992; Galster y
Killen, 1995).
Para el caso de Chile, Larrañaga y Sanhueza (2007) muestran
que la segregación residencial tiene efectos negativos en los más po-
bres y sus familias, haciendo que los hijos de esas familias tengan
menores oportunidades de asistir a educación preescolar, mayor retra-
so escolar —tanto en términos de edad como en términos de grado— y
mayor probabilidad de abandonar la escuela. Los resultados muestran
también que aunque la segregación reduce las probabilidades de partici-

pación en la fuerza de trabajo, no afecta la probabilidad o el riesgo de
maternidad adolescente, ni tampoco el estatus de salud de la población
en edad de trabajar.
Dada esta evidencia, el análisis relevante para la ciudad de San-
tiago debiera intentar responder qué tan segregada es la ciudad en
términos de ingreso y, especialmente, de pobreza. El objetivo principal
de este trabajo es contribuir a responder dicha pregunta. Para ello, aquí
se analizan primero cómo se mide la segregación y las ventajas y
desventajas que tienen dichas medidas. Segundo, se discute lo que se
l
sabe, se ha dicho y se ha medido de la segregación en Santiago, con el
.c
objeto de utilizar dicha discusión como base para examinar el análisis
empírico posterior. Por último, se hace un análisis empírico de la
ile
segregación en la Región Metropolitana, su evolución en algunas di-
mensiones y se contrastan los resultados con las creencias que existen
ch
respecto a la ciudad.
ep
II. ¿Qué es y cómo medir la segregación?
En la literatura económica, el concepto de segregación está rela-

.c
cionado con el funcionamiento del mercado de viviendas y la ubicación

de los hogares en una zona urbana. Es así como la definición de
w
“segregación residencial” corresponde a “un equilibrio en el mercado

w
de viviendas caracterizado por disparidades en la ubicación física de

hogares pertenecientes a diferentes grupos raciales, étnicos o socioeco-
w
nómicos” (Vigdor, 2008). En este sentido, la segregación consiste

simplemente en formas de desigual distribución de grupos de población
en el territorio.
Dada esta definición, la segregación no es ni mala ni buena, sino
que sólo refleja un equilibrio en el mercado de viviendas entre muchos
equilibrios posibles. La única preocupación sería si dicho equilibrio es
ineficiente desde el punto de vista de la asignación de los recursos o si
es subóptimo desde el punto de vista del bienestar social. La ineficien-
cia en la asignación de recursos podría ocurrir si los hogares no tienen
información completa para tomar sus decisiones de ubicación o si
enfrentan restricciones de liquidez que les impiden endeudarse. Desde
el punto de vista del bienestar social, el equilibrio puede ser subóptimo
porque la segregación permite que los hogares de más altos ingresos

contribuyan menos al financiamiento de bienes públicos locales que
consumen en mayor proporción los hogares de menores ingresos, lo
cual tendría efectos distributivos que pueden ser indeseables, depen-
diendo de las preferencias sociales por redistribución.
Más allá de las ineficiencias que podrían ocurrir en un equilibrio de
segregación residencial, lo relevante es cómo poder medir cada equilibrio
de tal forma de poder compararlos y cuantificar potenciales ineficiencias.
En general, no es fácil construir un indicador de segregación y en la
literatura se han hecho varios esfuerzos en esa dirección sin que haya
l
consenso respecto a la mejor forma de medir la segregación.
.c
El índice más conocido y utilizado es el Índice de Disimilitud o
Índice de Duncan (Duncan y Duncan, 1955), que mide el porcentaje de
ile
un grupo que debe cambiarse de ubicación en cada subunidad geográfi-
ca para que en esa subunidad el porcentaje de ese grupo sea el mismo
ch
que el que se da en la unidad geográfica superior (por ejemplo, el
porcentaje de miembros pobres que tendrían que irse a vivir a otro
barrio para obtener una distribución homogénea de hogares pobres en
ep
una ciudad). El índice tiene valores entre 0 y 1, donde 0 es integración

total y 1 es segregación total.
.c
Lo interesante de este índice es que entrega una medida que

permite comparar el nivel de segregación entre distintas ciudades y
w
distintos países, si bien la definición del grupo que se está evaluando y

la característica que se toma en cuenta para hacerlo son algo subjetivo
w
y quedan a criterio del investigador.

Por otro lado, el Índice de Disimilitud no está exento de críticas.
w
En particular, este índice tiene el problema de checkerboard, consisten-

te en que las unidades geográficas (celdas en un tablero) pueden bara-
jarse para obtener otra configuración espacial y el índice no cambia.
Además el índice es sensible al tamaño de la unidad geográfica (celda)
y aumenta cuando el tamaño de la celda disminuye, es decir, la medida
de segregación a nivel comunal es menor que la medida a nivel de
manzanas o barrios sólo por el hecho de que las manzanas y barrios
tienen un tamaño menor que una comuna. Incluso más, la correlación
entre el índice calculado a nivel de distrito censal y el índice calculado a
nivel de manzana es sólo de 0,58 en 144 ciudades en Estados Unidos
(Van Valey y Roof, 1976). Sin embargo, la crítica mayor al Índice de
Disimilitud es que encuentra niveles de segregación distintos de cero
incluso cuando las personas son asignadas aleatoriamente en distintos

vecindarios de una ciudad (Fosset, 2005).
Un segundo índice también utilizado para medir segregación re-
sidencial es el Índice de Exposición/Aislamiento (Bell, 1954; Erbe,
1975), que mide la probabilidad promedio de contacto entre miembros
de dos grupos distintos en una unidad geográfica (pobres y no pobres
en una comuna por ejemplo) a partir de la proporción de personas de
un grupo minoritario respecto a otro mayoritario que viven en la misma
unidad geográfica1.
l
.c
Mediciones de segregación
ile
Índice de Disimilitud:
La expresión matemática para este índice es la siguiente:
ch
N
[
ti (pi – p)
D = Σ —————
i=1 2Tp(1 – p)
]
ep
donde ti representa la población total en la subunidad geográfica i; pi

es la cantidad de individuos del grupo que se desea investigar en la
.c
subunidad geográfica i, T es la población total de la unidad geográfica

superior y p es la cantidad de personas del grupo en estudio en el
w
total de la unidad geográfica superior.

w
Índice de Exposición/Aislamiento:
w
La expresión matemática de este índice es la siguiente:
N
p* = Σ ——
i=1
[ ]
x iy i
Xt i
donde xi es el grupo minoritario e yi el grupo mayoritario en la subuni-

dad i; X es la población total del grupo minoritario; y ti es la población
total en la subunidad i.
1El Índice de Aislamiento mide la probabilidad de contacto entre miembros de

un mismo grupo en una unidad geográfica. Si se consideran sólo dos grupos el Índice de
Exposición y el Índice de Aislamiento suman 1.
Ambos índices consideran la segregación entendida como el grado

de contacto entre distintos grupos sociales, pero son índices no espacia-
les ya que no consideran la localización espacial de los grupos en la
unidad geográfica. En este sentido, aunque son ampliamente utilizados en
la literatura académica, estos dos índices son complementarios de otras
miradas que permiten analizar espacialmente la segregación.
III. ¿Qué se dice y qué sabemos

de la segregación residencial en Chile?
l
.c
Para algunos, la existencia de segregación en nuestras ciudades
es simplemente una característica incuestionable de ellas y tendría algu-
ile
nos orígenes históricos. Sabatini, Cáceres y Cerda (2001), por ejemplo,
mencionan que “el sello de las ciudades latinoamericanas es la segrega-
ch
ción residencial a gran escala”, que se origina porque “a lo largo del
siglo XX las familias de las elites se fueron concentrando por lo general
en una sola zona de crecimiento que, en la forma de un cono, une el
ep
centro histórico con la periferia en una dirección geográfica definida”.

En este contexto, para el caso de Chile un determinante fundamental de
.c
la segregación residencial sería la liberalización de los mercados de

suelo, junto con los procesos de globalización económica y cultural.
w
Estos procesos habrían llevado a una transformación del patrón tradi-

cional de segregación residencial de las ciudades latinoamericanas, con-
w
virtiendo la distribución de las ciudades en lo que hoy conocemos. El

paso ha sido desde un modelo de ciudades “compactas” al estilo euro-
w
peo, donde los grupos de ingresos altos estaban en el centro de la

ciudad junto con la mejor arquitectura y calidad de las construcciones,
hacia un modelo en el que los grupos de mayores ingresos han tendido
a urbanizar las periferias, se han creado zonas de acceso a bienes y
servicios distintos y lejanos del centro urbano y ha habido un desplaza-
miento de las familias de ingresos medios de las zonas urbanas como
consecuencia de los altos precios del suelo (Sabatini, 2006).
Es así como la visión que predomina, para Latinoamérica en
general y para Chile en particular, es bastante negativa respecto a la
evolución que ha tenido el desarrollo de las ciudades, sus niveles de
segregación y los efectos negativos que ésta provocaría. Rodríguez
(2001), a partir de datos del Censo de Población y Vivienda de 1992,
concluye que Santiago es una ciudad segregada, con un nivel de segre-

gación moderado pero estable. Sabatini, Cáceres y Cerda (2001) seña-
lan que el patrón de segregación residencial tradicional de las ciudades
chilenas, que es también el de la mayoría de las ciudades latinoamerica-
nas, se está transformando desde hace un par de décadas en dos
sentidos principales: está cambiando su “escala geográfica” y está au-
mentando su “malignidad”. De igual forma, Sabatini (2006) señala que
el problema es precisamente la “malignidad” de la segregación y los
patrones que ésta ha ido desarrollando en la mayoría de las ciudades
latinoamericanas, donde ha aumentado la escala e intensidad de la se-
l
gregación objetiva junto a una dimensión subjetiva relacionada con
.c
estigmas territoriales. Vargas (2006) fundamenta su análisis sobre se-
gregación residencial partiendo de la base que Santiago es de las ciuda-
ile
des más segregadas del mundo, lo que se confirmaría a partir de
indicadores que difieren sustancialmente entre las comunas de mayor
ch
ingreso y las de menor ingreso.
Lamentablemente, esta visión negativa sobre la segregación resi-
dencial en Chile no siempre está bien respaldada con análisis estadísti-
ep
cos muy precisos, no siempre se consideran hipótesis alternativas que

podrían explicar igual de exitosamente los datos observados, ni tampo-
.c
co está siempre bien documentada. Rodríguez (2001) señala que “San-

tiago de Chile [es] considerada por muchos estudiosos como una de las
w
ciudades más segregadas del planeta”. Sin embargo, no cita ni mencio-

na ninguno de los “muchos estudiosos” ni tampoco ninguno de sus
w
estudios. Sabatini (2006) menciona como un aspecto negativo de la

segregación el que se configuren áreas de una ciudad que sean social-
w
mente homogéneas y uno de los problemas en las ciudades en Latino-

américa es que las áreas habitadas por los más pobres son más social-
mente homogéneas que las habitadas por las clases altas. Sin embargo,
esto último puede simplemente deberse a que el número de pobres es
muy superior al número de ricos y, por tanto, no es el resultado de un
fenómeno de segregación.
La evidencia empírica en la literatura académica muestra una alta
correlación positiva entre desigualdad y segregación2, y existe además
una relación matemática entre ambas (Duncan y Duncan, 1955; Hut-
chens, 1991); por ello es que los indicadores de desigualdad entregan
2Véase, por ejemplo, Sethi Somanaathan (2004); Ross, Nobrega y Dunn (2004);
Kremer y Maskin (1996).
información también sobre segregación. Sin embargo, en la discusión

en Chile no hay acuerdo en que eso sea cierto. Para Sabatini (2004),
por ejemplo, la dimensión espacial es un componente esencial de la vida
en sociedad, por lo que segregación y desigualdad no tienen una rela-
ción directa. La primera es un fenómeno espacial y la segunda un
fenómeno social. La segregación residencial habría que entenderla en-
tonces como la separación territorial o espacial entre personas o fami-
lias pertenecientes a un mismo grupo social y “presenta tres dimensio-
nes: (a) la tendencia de ciertos grupos sociales a concentrarse en
algunas áreas de la ciudad generando barrios donde, en el extremo,
l
llegan a tener un claro predominio numérico, o en casos menos extre-
.c
mos, comparten en mayor grado con otros grupos; (b) la conforma-
ción de áreas con un alto grado de homogeneidad social; y (c) la
ile
percepción subjetiva que la gente tiene de la segregación ‘objetiva’ (las
dos primeras dimensiones)”. La primera dimensión permite explicar la
ch
concentración espacial de las familias de la elite en ciertas zonas de las
ciudades, mientras que la segunda dimensión permite explicar que aun-
que la concentración sea alta, en ese mismo espacio conviven familias
ep
de ingresos medios y bajos, por lo que la homogeneidad también es

alta. Sin embargo, sería la tercera dimensión la que produce efectos
.c
sobre la desintegración social, ya que las familias pobres, al vivir en

barrios pobres, sienten la marginalidad, “convirtiéndose así en un fenó-
w
meno real” (Sabatini, 2004).

De acuerdo a esta visión, que muchas veces se cometa el error
w
de equiparar segregación a desigualdad tiene que ver con lo que vemos

en la realidad: que el espacio donde se concentran las elites es de
w
homogeneidad social, pero el espacio en el que se concentran los

pobres no (Sabatini, Cáceres y Cerda, 2001). La segregación residen-
cial que observamos sería un recurso complementario que utilizan los
grupos sociales para mantener sus identidades, las que actualmente se
encuentran en permanente riesgo debido a la movilidad social que existe
al interior de las sociedades y por eso el componente subjetivo de la
segregación sería especialmente importante de estudiar.
Es así que el hecho de que la segregación residencial se convier-
ta en un problema social tiene que ver con el cambio en la escala
geográfica experimentado y con la malignidad creciente de este fenó-
meno. A partir de esta idea Sabatini, Cáceres y Cerda (2001) estudian
la segregación residencial socioeconómica en tres ciudades de Chile,
con datos censales y una mirada sobre la ocupación del jefe de hogar,
en Concepción y Valparaíso, y con datos de la Encuesta de Origen y
Destino (1991) que contiene ingresos, en Santiago. De acuerdo a su
análisis, la escala geográfica de la segregación estaría disminuyendo en
aquellas zonas de la ciudad donde hay mayor dinamismo privado inmo-
biliario, pero estaría aumentando en aquellas zonas donde se están
asentando las nuevas familias de bajos ingresos. El problema entonces
sería que mientras más grandes sean las áreas homogéneas en pobreza,
más se agravarían los problemas urbanos y sociales para los residentes
de esa área, lo que se relacionaría con la creciente malignidad de la
l
segregación residencial en Chile. Por lo tanto, el problema de la segre-
.c
gación residencial en Chile tendría que ver con la relación entre segre-
gación y otros problemas sociales, como el desempleo, drogadicción,
ile
embarazo adolescente, deserción escolar, etc.
El análisis de Sabatini, Cáceres y Cerda (2001) para Santiago
ch
consiste en usar la desviación estándar del ingreso por hogar como
medida de segregación y luego calcular la correlación entre segregación
y algunos “problemas” (tiempos de viaje, desempleo, inacción juvenil)
ep
en distintas escalas territoriales, con lo cual identifican la escala geográ-

fica para la cual “los efectos de la segregación de hacen más fuertes”.
.c
Este análisis genera varios cuestionamientos estadísticos respecto a su

validez. El primero es la falta de representatividad de la Encuesta Ori-
w
gen y Destino a distintos niveles geográficos, en particular respecto al

ingreso. El segundo es la posibilidad de que exista causalidad inversa y
w
que sean algunos de estos “problemas” los que causen segregación en

vez de ser éstos el resultado de la segregación. Si por ejemplo los
w
tiempos de viaje tienen algún grado de relación con los distintos niveles
de congestión en la ciudad, lo cual es una externalidad negativa, un
modelo económico tipo Tiebout podría explicar perfectamente cómo
las distintas valoraciones del tiempo en distintos grupos sociales junto
al precio de las viviendas que capitalizan los mejores accesos lleva a
segregación residencial (la cual en este caso sería además eficiente). El
tercero es la endogeneidad misma de los resultados con la metodología
usada, ya que se analizan los datos con el objeto de buscar el efecto
negativo mayor hasta que se lo encuentra. El cuarto es que las conclu-
siones se basan en la correlación muestral sin considerar su error
estándar, el cual ni siquiera se reporta. Varias de las correlaciones son
relativamente bajas y es probable que no se rechace la hipótesis de que

estadísticamente son cero o incluso positivas.
Por otro lado, el trabajo de Rodríguez (2001) pone énfasis en la
medición de la segregación residencial y en la descripción de este
fenómeno para el Área Metropolitana del Gran Santiago (AMGS). El
concepto de segregación residencial que utiliza se refiere “al peso que
tiene la localización de las unidades sociodemográficas elementales den-
tro del territorio de referencia en la variación total del atributo entre
ellas”, lo que le lleva a utilizar un análisis de varianzas como la medida
más adecuada para mirar la relación espacial entre distintos grupos
l
sociales. A partir de variables de segmentación socioeconómica (años
.c
de estudio del jefe de hogar, promedio de necesidades básicas insatisfe-
chas (NBI) por hogar, años de estudio población total y años de estudio
ile
del grupo 30 a 39 años), calcula el Índice de Disimilitud para Santiago
usando los datos de los censos de 1982 y 1992, estimándolos en 0,47 y
ch
0,4 respectivamente.
A partir del análisis espacial de las diferencias entre las comunas
de la AMGS de las variables socioeconómicas consideradas, Rodríguez
ep
señala que hay “diferencias ostensibles” en las medias comunales y que

aquellas comunas que tienen condiciones socioeconómicas superiores
.c
están agrupadas todas en un sector de la ciudad, mientras que las que

tienen condiciones socioeconómicas más bajas se ubican más bien en
w
la periferia.
La conclusión es que hay atributos que están desigualmente
w
distribuidos entre la población y que las comunas más cercanas al

centro de la ciudad se caracterizan por una baja segregación residencial
w
interna, mientras que en la periferia la segregación residencial es ma-

yor. Esto se traduce en que los niveles de segregación difieren entre
comunas, al igual que las modalidades de segregación, pero resalta el
hecho de que el AMGS está todavía lejos de medidas extremas de
segregación como las que alguna vez se han encontrado en ciudades de
Estados Unidos para temas de raza. Por último, señala que los niveles
de segregación existentes en el Gran Santiago pueden ser mucho ma-
yores que los estimados a partir de variables de educación y de necesi-
dades básicas insatisfechas, por lo que si se estimara con ingresos los
niveles de segregación “serían mucho más notorios”.
Por último, es importante destacar el trabajo de Vargas (2006),
quien más allá de intentar medir la segregación residencial en Chile
realiza también un análisis estadístico que permita explicar sus causas.

A partir de datos de la encuesta Casen de los años 1992 y 2003 utiliza
el nivel educacional del jefe de hogar para estimar el Índice de Disimili-
tud, estimándolo en 0,61 y 0,64 respectivamente, lo que mostraría que
la segregación residencial en Santiago ha permanecido constante. Uno
de los problemas detrás de este cálculo es que la encuesta Casen, como
se discute más adelante, no es representativa a niveles geográficos muy
desagregados (y aunque lo fuera, el margen de error es lo suficiente-
mente grande que impide tener estimadores precisos).
Con el objeto de estudiar las causas de la segregación residen-
l
cial, Vargas (2006) estima regresiones estadísticas que permitan expli-
.c
car los índices de segregación calculados. Los resultados muestran que
los principales determinantes de la segregación en Santiago son el costo
ile
de arriendo, el número de personas en el hogar, la propiedad de la
vivienda, el estado civil y si el hogar recibió subsidio del Estado para
ch
vivienda. Éste es un resultado muy interesante, ya que las fuerzas
detrás de la segregación residencial económica en Chile son del mismo
tipo que las que explican la pobreza.
ep
Como podemos ver, las distintas miradas sobre segregación re-

sidencial en Santiago apuntan hacia la existencia de segregación, si bien
.c
no hay consenso respecto a qué tan crítico es su nivel ni tampoco

respecto a sus efectos. Tampoco hay consenso sobre las causas de la
w
segregación, que podrían ser desde el endógeno comportamiento de las

elites que desean vivir entre semejantes hasta la política social del
w
gobierno, que es exógena a las decisiones de ubicación de muchos

hogares. Por último, parte de la evidencia para Santiago tiene varias
w
deficiencias estadísticas que, si bien pueden deberse parcialmente a las

limitaciones de los datos existentes, requieren ser discutidas y conside-
radas para dimensionar en forma correcta los resultados de cada es-
tudio.
Con el objeto de contribuir a la discusión de la segregación
residencial en Chile, en las próximas tres secciones se presentan distin-
tos análisis empíricos complementarios sobre la segregación comunal
en la Región Metropolitana (RM). Las razones para analizar segrega-
ción a nivel comunal, en vez de a nivel de distritos censales o barrios,
tienen que ver tanto con el tipo de datos disponibles y su representativi-
dad, lo cual impone algunas limitaciones que se discuten más adelante,
como con la institucionalidad de las políticas públicas en Chile. En este
último aspecto, la provisión de bienes públicos locales se realiza a nivel

comunal y las municipalidades juegan un rol importante al respecto.
Adicionalmente, muchas de las políticas públicas relacionadas con re-
ducción de la pobreza y que podrían tener impacto en la segregación se
implementan a nivel comunal.
IV. Evidencia a partir de los censos (sin ingresos)
Tal como se ha hecho en algunos estudios mencionados en la

sección anterior, es posible obtener una primera mirada a la segrega-
l
.c
ción residencial en la Región Metropolitana a partir de los datos que
entregan los censos de población y vivienda.
ile
El Censo de Población y Vivienda entrega información detallada
que permite describir la distribución espacial de algunas características
relacionadas con la calidad de vida de las personas, en particular, las
ch
que tienen que ver con la calidad de las viviendas, el acceso a bienes de
consumo y algunas características socioeconómicas. La limitante prin-
ep
cipal de los censos, sin embargo, es que no tienen datos de ingresos,

que es probablemente la dimensión más relevante sobre la cual analizar
la segregación residencial en el caso de Chile.
.c
La razón principal para usar los censos, si bien su periodicidad

es cada diez años, es su representatividad estadística de áreas geográfi-
w
cas más pequeñas. A diferencia de los censos, las encuestas de hoga-

res no son representativas a nivel comunal ni a nivel de distrito censal y
w
mirar segregación a nivel regional, nivel en el cual las encuestas sí son

w
representativas, resulta demasiado amplio para un fenómeno que se ha

estudiado y observado esencialmente a nivel de ciudades.
Esta mirada entonces tiene por objetivo simplemente mostrar
qué ha sucedido en el tiempo con las características y propiedad de las
viviendas, con los bienes a los que han tenido acceso los hogares y con
las características socioeconómicas de los miembros que lo componen,
como su nivel de educación y el tipo de ocupación. A partir de los
datos de los censos de 1992 y 2002 es posible comparar las condicio-
nes de las comunas de la Región Metropolitana y analizar los cambios
en calidad de vida que ha experimentado la población en los diez años
que transcurrieron entre los dos censos3.
3 Los gráficos que se mencionan en esta sección están en el Anexo.

Características de la vivienda
Si consideramos los materiales de las paredes, vemos que en

todas las comunas ha aumentado la proporción de viviendas con pare-
des de ladrillo y/o cemento, mientras que ha disminuido la proporción
de viviendas con paredes de madera y otros materiales aún más inesta-
bles. Los datos muestran que la distribución de los materiales se ha
vuelto más igualitaria, en tanto la mayoría de las comunas de la RM
tiene sobre un 60 por ciento de viviendas con paredes de material más
sólido y duradero, como lo son el ladrillo y el cemento (Gráfico 1A).
l
De igual forma, la mayoría de las comunas tiene menos de 10% de las
.c
viviendas con paredes de adobe y la varianza entre comunas se ha
reducido en forma importante entre los dos períodos censales (Gráfico
2A).
ile
Si miramos lo que sucede con otros materiales para las paredes
ch
que son altamente inestables y poco sólidos (barro empajado, quincha,
pirca y desechos como lata, cartones y plástico), encontramos que la
proporción de paredes que tienen este tipo de materiales para la vivien-
ep
da ha aumentado levemente respecto de 1992. De hecho, la distribu-

ción en 1992 estaba fuertemente concentrada entre 0 y 2 por ciento, lo
.c
cual sigue siendo cierto para el año 2002 pero con una distribución que
se ha extendido (aumentado la varianza). Es así como en 2002 en
w
algunas comunas el uso de estos materiales sobrepasa el 5%, como

Huechuraba y Lo Espejo, lo que ha contribuido a aumentar la desigual-
w
dad en la distribución de viviendas con este tipo de materiales para las

paredes.
w
En cuanto al piso de las viviendas, un cambio notable en térmi-

nos de menor segregación ha ocurrido con las viviendas con piso de
tierra (Gráfico 3A). En 1992, si bien apenas un 2,6% de las viviendas
en la RM tenía piso de tierra, hubo varias comunas con porcentajes
superiores a 5% e incluso unas pocas con porcentajes en torno al 20%.
En 2002, todas las comunas tienen un porcentaje menor que el 2%.
También es relevante el aumento del uso de la alfombra muro a muro
que, a diferencia de lo que ocurría en 1992, ya no está sólo en las
comunas de más altos ingresos de la RM. Por otro lado, el baldosín,
que era más escaso en 1992 —cuando en la mayoría de las comunas
menos del 5% de las viviendas tenía piso de baldosín—, ha conseguido
instalarse con mayores niveles de igualdad en gran parte de las comu-
nas de la RM y en 2002 hay muchas comunas donde más del 20% de

las viviendas tiene baldosín (Gráfico 4A).
En cuanto al techo de las viviendas, el material más utilizado
sigue siendo el pizarreño y su distribución no ha cambiado en forma
significativa entre 1992 y 2002. Por otro lado, el techo de tejuelas, si
bien en los dos períodos se encuentra en mucho mayor proporción en
las comunas de más altos ingresos que en el resto de la RM, se hizo
más accesible y en el 2002 se encuentra en un mayor número de
comunas y en mayor proporción que en 1992 (Gráfico 5A).
Resulta aún más interesante observar lo que ha sucedido con los
l
materiales para el techo de peor calidad, como fonolita, fibra de vidrio
.c
o paja embarrada. Aunque la proporción es baja en la RM, los datos
muestran que ha habido una importante disminución de la proporción
ile
de viviendas con techos de este tipo para todas las comunas y la media
ha caído considerablemente. La distribución de este tipo de viviendas
ch
se ha concentrado en cerca del 0 por ciento de las viviendas con una
varianza mucho menor que en 1992 (Gráfico 6A).
Si bien es difícil sacar muchas conclusiones en lo que concierne
ep
a las características de propiedad de la vivienda, ya que reflejan una

mezcla de distintas preferencias respecto a la propiedad, y del acceso al
.c
crédito que tienen o no los hogares, hay que destacar que los datos
comparados muestran que ha aumentado la proporción de familias que
w
han pagado totalmente su vivienda. En 2002 la mayoría de las comunas

tenía un 40 a 70 por ciento de familias con viviendas totalmente paga-
w
das. Lo más interesante es que las comunas con mayor proporción de

la población con sus viviendas pagadas no son las comunas de mayo-
w
res ingresos. Estas comunas tampoco son las que tienen mayores
proporciones de viviendas pagadas a plazo. De hecho, lo que muestran
los datos es que estas comunas recién aparecen en forma significativa
cuando se consideran las viviendas en arriendo. Tanto en 1992 como
en 2002, las comunas de altos ingresos son las que tienen una mayor
proporción de la población arrendando las viviendas que habitan.
Ahora, si consideramos el tipo de vivienda, la mayor parte de la
población de la RM vive en casas y eso no cambia mucho entre 1992 y
2002 (Gráfico 7A). Lo que sí cambia es la proporción de la población
que vive en departamentos, lo que refleja un importante desarrollo
inmobiliario de este tipo de viviendas en el período (Gráfico 8A). Si
bien el aumento en la proporción de departamentos se concentró en
comunas de altos ingresos, ya en 2002 los datos mostraban señales de

extenderse con fuerza hacia otras comunas, como Lo Prado, Macul y
San Miguel.
Por último, es importante considerar lo que ha sucedido con las
viviendas de tipo mediagua, que han sido tradicionalmente la expresión
más clara de la desigualdad y pobreza en nuestras ciudades. Este tipo
de vivienda ha experimentado el más importante descenso entre 1992 y
2002 (Gráfico 9A). En 1992 había claramente una mayor desigualdad
en la distribución de la población que vivía en mediaguas en las comu-
nas de la RM. En 2002 no sólo disminuyó la proporción de la población
l
que vive en mediaguas, sino también ocurrió que esa proporción cayó
.c
más en aquellas comunas donde más había mediaguas en 1992, como
en Huechuraba, Peñalolén y Cerro Navia.
Acceso a bienes durables en el hogarile

ch
Además de las características de la vivienda, es relevante consi-
derar los bienes durables que tienen los hogares, ya que reflejan el nivel
ep
de consumo o ingreso permanente de las familias. En general, los datos

respecto a la tenencia de estos bienes muestran que el acceso que las
.c
familias tienen a ellos ha aumentado significativamente, en gran parte

debido al crecimiento económico y la apertura comercial, reduciéndose
w
o eliminándose la segregación residencial en esta dimensión. Es preci-

samente en este ámbito que se encuentran mayores reducciones de
w
desigualdad en la población y entre las comunas de la RM en el período

entre 1992 y 2002.
w
Es impresionante lo que ha ocurrido, por ejemplo, con el refrige-

rador (Gráfico 10A). A principios de la década de 1990, aunque la
tenencia de refrigerador era alta, había una gran desigualdad en la
proporción de hogares con refrigerador entre las distintas comunas de
la RM, desde comunas como Vitacura con casi 100% hasta comunas
como San Pedro con menos de 25%. En 2002, en cerca del 90 por
ciento de las comunas la población que tiene refrigerador en la casa
fluctúa entre el 90 y 100 por ciento y en la comuna con menor
proporción, Alhué, más de 60% de la población tiene refrigerador.
En el caso de los televisores, claramente ha desaparecido el
televisor en blanco y negro y el televisor en colores está hoy en más del
90% de los hogares de todas las comunas de la RM, y así se ha
eliminado la desigualdad que había en el acceso a este bien en 1992,

con comunas como Vitacura con casi el 100% y comunas como San
Pedro con menos de 5% (Gráfico 11A). Incluso el acceso al videogra-
bador aumentó también, pasando de un promedio de menos del 20% de
los hogares en 1992 a más de 45% de los hogares en 2002. En 1992
había sólo seis comunas donde más del 40% de los hogares tenía
videograbador, mientras que en 2002 había más de 30 comunas con al
menos 40% (Gráfico 12A).
El acceso a lavadora se duplicó en promedio entre 1992 y 2002,
desde alrededor de 40% hasta más de 80% de los hogares (Gráfico
l
13A). En 2002 en todas las comunas más del 60% de los hogares tenía
.c
lavadora, con lo que la distribución se hizo más igualitaria entre comu-
nas, disminuyendo en forma significativa la brecha entre las comunas
ile
con menor y mayor proporción de hogares con lavadora.
La tenencia de horno microondas en el hogar también experi-
ch
mentó un salto significativo en este período (Gráfico 14A). En 1992, la
inmensa mayoría de los hogares no tenía microondas y en sólo cinco
comunas de la RM, las de más altos ingresos, más del 20% de los
ep
hogares lo tenía. En 2002 casi 40% de los hogares tenía uno y en la

gran mayoría de las comunas más del 20% de los hogares tiene micro-
.c
ondas. Éste es un caso en el cual la media de la distribución aumentó

en forma significativa, reflejando un mayor acceso al bien, pero aunque
w
la inmensa mayoría de los hogares está mejor también la desigualdad

entre comunas aumentó.
w
Más sorprendente todavía es lo que ha sucedido con los teléfo-

nos celulares. En 1992 éste era un bien sólo accesible para la población
w
de las siete comunas de más altos ingresos, aunque en una proporción

bastante baja; en el 2002 el celular ya estaba masificándose, y entre el
40 y 60 por ciento de la población de las comunas de la RM tenía un
celular en casa (Gráfico 15A). Es importante resaltar en este caso que,
si bien no hay duda de que en términos de acceso los hogares y todas
las comunas estaban mejor en 2002 que en 1992, la distribución es más
desigual en 2002 (al igual que en el caso de acceso al microondas). La
razón es bastante obvia: la variación entre comunas en 1992 es muy
baja porque en la gran mayoría de las comunas nadie tenía celular y en
ese sentido era más igualitaria.
De igual forma el acceso al teléfono fijo aumentó considerable-
mente en el período. En 1992 alrededor del 25% de los hogares tenía
teléfono fijo y en la mayoría de las comunas menos de un 40% de los

hogares tenía uno. En el año 2002, el 60% de los hogares de la RM
tenía teléfono fijo y en casi todas las comunas más de un 40% de su
población contaba con teléfono fijo en el hogar (Gráfico 16A).
Características socioeconómicas del hogar
Como hemos visto en los datos anteriores, tanto la calidad de

las viviendas como el acceso a bienes de consumo durables no sólo
han aumentado significativamente entre 1992 y 2002 sino que además
l
.c
la variación entre comunas se ha reducido en general, reflejando una
menor desigualdad y una menor segregación en términos de varianza
ile
intercomunal. Sin duda, ambos aspectos están correlacionados con el
ingreso per cápita de los hogares, pero en forma complementaria es
importante también analizar qué ha sucedido con algunas característi-
ch
cas socioeconómicas que están correlacionadas con el capital hu-
mano del jefe de hogar, tal como suele mirarse en mediciones de
ep
segregación.
Si consideramos la educación del jefe de hogar los datos revelan
que la distribución de la proporción de jefes de hogar por comuna que
.c
sólo tienen educación básica completa es similar entre 1992 y 2002

(Gráfico 17A). Esta proporción disminuyó en casi 10 puntos porcen-
w
tuales en promedio durante el período y cayó en algún grado en todas

las comunas. La diferencia mayor entre comunas sigue siendo respecto
w
a las seis comunas de mayores ingresos, las cuales tienen una fracción
w
muy pequeña de jefes de hogar cuyo máximo nivel educacional alcan-

zado es la educación básica. Por otro lado, la proporción de jefes de
hogar cuyo nivel educacional es educación media aumentó levemente
en casi todas las comunas y la varianza de la distribución disminuyó,
reflejando una mayor homogeneidad entre comunas que en 1992 (Grá-
fico 18A).
Es interesante lo que ha sucedido con los jefes de hogar con
educación superior y, en particular, lo que ha sucedido con la forma-
ción técnica. La proporción de jefes de hogar con educación técnica ha
aumentado significativamente en todas las comunas, pasando de un
promedio de 2,5% a casi 8%, pero proporcionalmente ha aumentado
más en varias de las comunas que tenían menor proporción de jefes de
hogar con educación técnica en 1992, como Lampa, Padre Hurtado, La

Pintana, Cerro Navia y Huechuraba (Gráfico 19A).
Finalmente, en cuanto al nivel de educación máximo alcanzado,
la fracción de jefes de hogar con educación universitaria completa
aumentó levemente entre 1992 y 2002 y la distribución es muy similar
en ambos períodos (Gráfico 20A). Claramente es en esta dimensión
donde se observan mayores diferencias entre las distintas comunas de
la RM. Si bien la distancia se ha reducido un poco, las comunas
asociadas a hogares de mayores ingresos se distancian significativa-
mente de todas las restantes. Probablemente, esta distancia debiera
l
disminuir en forma importante durante los próximos años, ya que la
.c
educación universitaria ha aumentado mucho su matrícula y el número
de alumnos que son la primera generación familiar en ir a la universidad
ha crecido también.
ile
En relación al empleo, si bien los momentos del ciclo económico
ch
juegan un rol importante y pueden ser distintos en ambos períodos, los
datos muestran que la proporción de jefes de hogar que se encontraba
trabajando casi no cambió entre 1992 y 2002. Lo que sí ha cambiado
ep
en forma significativa es la proporción de mujeres que trabajan, la cual

ha subido en todas las comunas, con la excepción de las comunas de
.c
altos ingresos, donde se ha mantenido relativamente igual o incluso ha

disminuido (Gráfico 21A), reduciéndose la varianza entre comunas. En
w
1992 la mayoría de las comunas tenía un 20 a 30 por ciento de mujeres

trabajando, mientras que en 2002 la proporción estuvo entre 30 y 40
w
por ciento. Este cambio puede tener un impacto significativo en el nivel

de ingreso per cápita del hogar que disminuye la desigualdad de ingre-
w
sos entre comunas.

La Tabla Nº 1 presenta los índices de Disimilitud y Exposición
de algunas de las características de vivienda, tenencia de bienes y
características socioeconómicas que se han analizado en esta sección.
Más allá de que en general el valor de los índices no es particularmente
alto, en la mayoría de los casos los niveles de segregación han dismi-
nuido entre 1992 y 2002.
La evidencia empírica que nos entrega el análisis de los censos
de 1992 y 2002, tal como se ha mostrado en esta sección, refleja una
realidad bastante más positiva de lo que tradicionalmente se cree y se
ha señalado en los análisis sobre segregación. La calidad de las vivien-
das y el acceso a bienes han mejorado mucho entre 1992 y 2002, pero
TABLA Nº 1: ÍNDICES DE SEGREGACIÓN CON DATOS CENSALES
Disimilitud Exposición
1992 2002 1992 2002
Características de la vivienda Pared internit y desechos 0,24 0,30 0,01 0,04

Piso tierra 0,30 0,27 0,04 0,01
Techos fibra de vidrio,
fonolita, paja y
desechos 0,28 0,24 0,03 0,01
Bienes durables en el hogar Televisor no tiene
l
colores 0,23 0,27 0,71 0,15
.c
Refrigerador no tiene 0,25 0,25 0,61 0,29
Celular no tiene 0,50 0,19 152,85 1,10
Mini-
ile
componente no tiene 0,17 0,14 1,94 0,38
Lavadora no tiene 0,16 0,15 1,54 0,22
Microondas no tiene 0,54 0,23 46,73 1,77
ch
Videograbador no tiene 0,29 0,16 4,91 1,30
Características socioeconómicas Educación sin educación 0,22 0,26 0,05 0,03

del hogar Empleo desempleado 0,08 0,09 0,07 1,84
ep
.c
adicionalmente las diferencias entre comunas se han reducido en forma

significativa.
w
En la dimensión de nivel educacional la evidencia es menos

w
positiva en términos de cambios significativos en el tiempo en el nivel

educacional promedio de la población. Adicionalmente, los datos mues-
w
tran que las diferencias entre comunas son importantes en algunos

casos, en particular en educación básica y en educación universitaria,
donde unas pocas comunas concentran una fracción importante de
personas con alto nivel educacional y muy pocas personas con bajo
nivel educacional.
V. Segregación comunal en la Región Metropolitana

(con ingresos)
Tal como se mencionó en la sección anterior, la segregación

residencial por ingresos es una de las dimensiones más relevantes de
analizar en la RM. Para ello se requiere contar con datos de ingresos
que sean representativos a un nivel geográfico relativamente desagrega-

do (a nivel comunal por lo menos). La principal dificultad radica enton-
ces en que los datos censales, que son representativos a niveles muy
desagregados, no contienen ingreso y los datos de las encuesta de
hogares (Casen por ejemplo), que contienen datos de ingreso, no son
representativos a niveles desagregados4.
La solución a este problema se encuentra en el uso de metodolo-
gías que permiten combinar los datos de encuestas con los datos
censales para obtener estimadores geográficos desagregados de algu-
nos indicadores de bienestar asociados a ingreso (Elbers, Lanjouw y
l
Lanjouw, 2003). Para esto lo primero que se hace es estimar un
.c
modelo de ingreso por hogar utilizando características observables que
están presentes en ambas bases (encuesta de hogares y censo). Poste-
ile
riormente, con los parámetros estimados se estima el nivel esperado de
los indicadores de desigualdad y pobreza con los datos que se tienen en
ch
el censo, con lo cual se obtiene un estimador consistente para estos
indicadores junto a su error estándar asociado (una explicación com-
pleta de la metodología para quien se interese en los detalles se encuen-
ep
tran en el Anexo Metodológico).

Para el caso de Chile, los trabajos de Agostini y Brown (2007) y
.c
Agostini, Brown y Góngora (2008) utilizan este tipo de metodologías

para generar indicadores de pobreza y desigualdad a nivel comunal.
w
Replicando dicho análisis para la Región Metropolitana, se presentan a

continuación los resultados para el ingreso per cápita del hogar, la tasa
w
de pobreza y el coeficiente de Gini para las comunas de la RM, lo que

permite analizar segregación residencial en esas dimensiones.
w
1. Ingreso per cápita del hogar
El Gráfico Nº 1 muestra la distribución del ingreso per cápita del

hogar promedio de las comunas de la RM. Las comunas con menor
ingreso per cápita del hogar son Alhué y La Pintana, con alrededor de
$ 84 mil y $ 88 mil respectivamente. Por otro lado, las comunas de
4 Incluso aunque fueran representativos, el error estándar es tan grande que los
intervalos de confianza para cada indicador no son muy informativos. Por ejemplo, la
tasa de pobreza en La Pintana se estima entre 25,3% y 45,7% utilizando los datos de la
Casen 2003.
GRÁFICO Nº 1: INGRESO PER CÁPITA DEL HOGAR POR COMUNA EN LA RM 2003
400.000
350.000
300.000
250.000
200.000
150.000
100.000
50.000
l
.c
0
Tiltil
Melipilla
la Pintana
Conchalí
Recoleta
Colina
Talagante
Peñalolén
Estación Central
Alhué
María Pinto
Renca
Puente Alto
Cerrillos
Maipú
La Florida
Pirque
Calera de Tango
La Cisterna
Independencia
Macul
Santiago
San pedro
Cerro Navia
Lo Espejo
San Ramón
El Monte
Lampa
Paine
Curacaví
Pudahuel
Quilicura
Isla de Maipo
La Granja
Padre Hurtado
El Bosque
Buin
San Bernardo
Lo Prado
Huechuraba
Pedro Aguirre Cerda
San Joaquín
Peñaflor
Quinta Normal
San Miguel
La Reina
Providencia
Ñuñoa
Lo Barnechea
Vitacura
San José de Maipo
Las Condes
ile
ch
ep
más alto ingreso son Vitacura y Las Condes con $ 352 mil y $ 320 mil
respectivamente.
La distribución de coeficientes Gini es relativamente uniforme
.c
hasta llegar a las seis comunas de ingresos más altos en la RM, donde
ocurre un salto significativo respecto al resto de las comunas. Si bien
w
esto refleja que los hogares de más altos ingresos tienden a concentrar-
se en unas pocas comunas, lo cual puede ser el resultado de un
w
mecanismo de autoselección por preferencias respecto a bienes públi-

cos locales (conocido como equilibrio de Tiebout en la literatura econó-
w
mica), en todo el resto de la RM los niveles de segregación en términos

de ingreso son bastante bajos.
2. Pobreza
El Gráfico Nº 2 muestra la distribución de la tasa de pobreza

comunal en la RM.
Las comunas con mayor tasa de pobreza en la RM son Cerro
Navia y La Pintana, con 30% y 35% respectivamente. Las comunas
con menores tasas de pobreza urbana en la Región Metropolitana son
Vitacura, Providencia y Las Condes, con tasas de pobreza de 1,4%,
2,5% y 3,4% respectivamente.
GRÁFICO Nº 2: POBREZA COMUNAL EN LA RM 2003 (% HOGARES POBRES)
0,4000
0,3500
0,3000
0,2500
0,2000
0,1500
0,1000
0,0500
l
0,0000
.c
Tiltil
Estación Central
Vitacura
Providencia
La Reina
Independencia
Cerrillos
Talagante
Conchalí
Peñalolén
Recoleta
Melipilla
Las Condes
Nuñoa
Lo Barnechea
Santiago
San Miguel
Macul
Maipú
La Cisterna
La Florida
Pirque
Calera de Tango
María Pinto
Quinta Normal
Puente Alto
Qulicura
Peñaflor
Curacaví
Paine
Pudahuel
Buin
Colina
Lampa
San Pedro
San Joaquín
Lo Prado
San José de Maipo
Pedro Aguirre Cerda
San Bernardo
Isla de Maipo
El Bosque
Padre Hurtado
Huechuraba
La Granja
El Monte
Renca
San Ramón
Lo Espejo
Alhué
La Pintana
Cerro Navia
ile
ch
Si para efectos de calcular los índices de segregación residencial
ep
más utilizados separamos a la población entre pobres y no pobres, el

Índice de Disimilitud es de 0,21 y el Índice de Exposición es de 0,34.
Estos valores no son especialmente altos, si bien es cierto que los
.c
niveles de pobreza existentes en cinco comunas son particularmente

bajos respecto al promedio de la RM.
w
w
3. Desigualdad
w
El Gráfico Nº 3 muestra la distribución del coeficiente de Gini

comunal en la RM. Las comunas con mayor desigualdad son Calera de
Tango y Colina con Ginis de 0,54 y 0,53, respectivamente. Las comu-
nas con menor desigualdad son Vitacura y Providencia con Ginis de
0,43 y 0,44, respectivamente. En este caso la distribución es bastante
plana y no hay comunas particularmente desiguales o particularmente
iguales, si bien el valor del coeficiente de Gini es relativamente alto para
casi todas las comunas comparado con el de países desarrollados. Si la
segregación residencial por ingresos fuera muy alta en la RM, los
coeficientes de Gini de cada comuna debieran ser relativamente bajos,
ya que en el extremo habría comunas sólo con pobres y comunas sólo
con ricos, con lo que la desigualdad comunal sería muy baja.
GRÁFICO Nº 3: DESIGUALDAD COMUNAL EN LA RM 2003 (COEFICIENTE DE GINI)
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
l
.c
Melipilla
Talagante
Peñalolén
Colina
Tiltil
Estación Central
Recoleta
Curacaví
Buin
El Monte
Lampa
Lo Barnechea
Huechuraba
Peñaflor
Pirque
Calera de Tango
Vitacura
Providencia
La Pintana
Alhué
Quilicura
Conchalí
Independencia
Santiago
Quinta Normal
Puente Alto
La Cisterna
Cerrillos
La Florida
El Bosque
La Reina
Macul
San Miguel
Paine
San Bernardo
Isla de Maipo
Pedro Aguirre Cerda

San José de Maipo
San Pedro
Las Condes
Cerro Navia
Lo Espejo
La Granja
renca
María Pinto
San Ramón
Pudahuel
Ñuñoa
Maipú
Lo Prado
San Joaquín
Padr Hurtado
ile
ch
Un aspecto interesante de considerar es la relación que existe
entre la pobreza y la desigualdad en las comunas. Una de las cosas que
ep
se han dicho sobre segregación en Santiago es que las comunas más

pobres son heterogéneas, porque en ellas conviven familias pobres y de
clase media, mientras que las comunas más ricas son homogéneas. El
.c
Gráfico Nº 4 muestra el porcentaje de pobres y el coeficiente de Gini

para cada comuna en la RM. Tal como se observa, las comunas menos
w
desiguales son, en general, las que tienen los menores (La Pintana,
w
Cerro Navia y Lo Espejo) y los mayores (Vitacura, Providencia y Las

Condes) porcentajes de pobreza. No es claro entonces que exista una
w
relación lineal entre pobreza y desigualdad ni tampoco se ratifica clara-

mente en los datos que las comunas más pobres sean más heterogé-
neas que las comunas de altos ingresos. De hecho, La Pintana y Las
Condes tienen prácticamente el mismo nivel de desigualdad.
De igual forma, se ha dicho que las comunas en el centro de
Santiago son más homogéneas y menos segregadas que las comunas
de la periferia de la ciudad. Sin embargo, esto no se refleja en los datos
de desigualdad en los ingresos. Es así como por ejemplo Quilicura, en
la periferia, tiene un Gini equivalente al de Independencia y Santiago, en
el centro; Puente Alto, en la periferia, tiene un Gini similar al de Esta-
ción Central y Quinta Normal, ambas céntricas; y San Bernardo, en las
afueras de la ciudad, tiene un Gini igual al de San Miguel, muy cerca
del centro.
GRÁFICO Nº 4: RELACIÓN ENTRE POBREZA Y DESIGUALDAD COMUNAL EN LA RM 2003
40
La Pintana
35
Cerro Navia
30 Alhué El Monte
San Ramón Huechuraba
Colina
25
% Pobreza
Calera de
20 Tango
San Pedro Pirque
15
l
San Miguel
.c
Santiago Lo Barnechea
10
Ñuñoa La Reina
5
ile
Las Condes
Vitacura Providencia
0
0,30 0,35 0,40 0,45 0,50 0,55 0,60
ch
Gini
ep
VI. Un ejercicio interesante: Reasignación aleatoria de comunas
El análisis de los datos censales de 1992 y 2002 mostró avances

.c
importantes en la calidad de vida de las familias en ese período, tanto

en las características de las viviendas como en el acceso a bienes
w
durables y niveles de educación, y junto a ello se observa también una

disminución de las brechas entre comunas. Sin embargo, hay diferen-
w
cias que persisten en el acceso a unos pocos bienes durables, algunos

materiales de techo, paredes y piso de las viviendas y, en particular, en
w
que el jefe de hogar tenga un nivel de educación superior completa.

Una parte importante de estas desigualdades entre comunas de la RM
que persisten en el período entre censos se explica mayoritariamente
por tres comunas que en varias dimensiones se alejan del resto: Vitacu-
ra, Las Condes y Providencia. Adicionalmente, son las comunas que
aparecen como más homogéneas en su composición al tener los meno-
res índices de desigualdad de la RM.
Si bien es imposible hacerlo en el mundo real, una pregunta
interesante de responder es qué pasaría si suprimimos esas tres comu-
nas de la RM y reasignamos en forma aleatoria a sus habitantes en el
resto de las comunas. Si efectivamente la segregación residencial se
debe a que hay tres comunas donde se concentran las personas de más
altos ingresos, más educadas, con mejores viviendas y mayor acceso a

bienes durables, entonces esta reasignación debiera tener un impacto
importante en reducir la segregación en la RM5.
El proceso de reasignación aleatoria es bastante simple y consis-
te en asignar a cada hogar de Vitacura, Las Condes y Providencia un
nuevo código comunal elegido aleatoriamente para luego volver a gene-
rar los mismo gráficos e índices ya analizados. El ejercicio se realizó
con los datos del Censo 2002.
Los resultados de este ejercicio muestran que, en general, las
distribuciones no cambian mucho en el caso de muchas características
l
de la vivienda, la propiedad de activos durables y la situación de empleo
.c
del jefe de hogar. En particular, se mantienen casi inalteradas las distri-
buciones comunales de paredes de adobe y de desechos; techos de
ile
pizarreño, fonolita, fibra de vidrio y paja embarrada; pisos de parquet y
entablado; viviendas de tipo casa y mediaguas; y viviendas completa-
ch
mente pagadas. Lo mismo ocurre con las distribuciones de tenencia de
refrigerador, televisor en colores, minicomponente, lavadora y celular.
Hay algunas distribuciones que mejoran levemente, en términos
ep
de hacerse más uniformes y disminuir su varianza, como resultado de

la reasignación aleatoria. En el caso de las características de construc-
.c
ción de las viviendas, junto a la disminución en la varianza en todas las

comunas aumenta la proporción de viviendas con techo de tejuelas y
w
pisos con alfombra muro a muro y disminuye la fracción que tiene piso
de tierra. En cuanto a la propiedad y tipo de viviendas aumenta la
w
fracción de viviendas arrendadas y disminuye fuertemente la propor-

ción de departamentos en las comunas, reduciéndose la varianza inter-
w
comunal. En el caso de los bienes que tienen los hogares, se reduce

fuertemente la varianza en las distribuciones de videograbador y micro-
ondas, aumentando la media y haciéndose más uniforme la distribu-
ción. En el caso de características socioeconómicas, esto ocurre con la
distribución de la participación laboral femenina.
Los mayores cambios como resultado de este ejercicio de rea-
signación aleatoria de hogares ocurren en la distribución entre comunas
5 Las conclusiones de este ejercicio están limitadas por el hecho de ser un

ejercicio estático que no considera la posterior movilidad de los hogares que son reasig-
nados a otra comuna. Sin embargo, los resultados permiten contrastar algunas creencias
respecto al grado de segregación que existiría en Santiago y el rol que juegan las comu-
nas más ricas del “sector oriente”.
de algunas características socioeconómicas de las personas al interior

del hogar, especialmente las relacionadas con nivel educacional. En
todas las comunas la fracción de jefes de hogar sólo con educación
básica completa disminuye y aumenta la de los que tienen educación
superior, haciéndose más homogénea la distribución entre comunas en
ambos casos.
La Tabla Nº 2 muestra los índices de Disimilitud y Exposición
para las mismas variables de la Tabla Nº 1 presentada anteriormente,
pero esta vez comparando los datos del Censo 2002 antes y después de
la reasignación aleatoria. Los cambios en los niveles de segregación no
l
son de magnitud significativa en la mayoría de los casos y adicional-
.c
mente ocurren en ambas direcciones, no sólo disminuye la segregación
sino que en algunas dimensiones aumenta.
ile
Los resultados de este ejercicio confirman la evidencia intercen-
sal presentada anteriormente, en el sentido de que no hay niveles de
ch
desigualdad ni segregación importantes entre comunas para la mayoría
de las características de las viviendas y los bienes durables que tienen
ep
TABLA Nº 2: ÍNDICES DE SEGREGACIÓN CON DATOS CENSALES Y REASIGNACIÓN

ALEATORIA
.c
Disimilitud Exposición
w
2002 2002ra 2002 2002ra

w
Características de la vivienda Pared internit y desechos 0,30 0,23 0,04 0,50

Piso tierra 0,27 0,23 0,01 0,02
w
Techos fibra de vidrio,

fonolita, paja y
desechos 0,24 0,21 0,01 0,01
Bienes durables en el hogar Televisor no tiene

en colores 0,27 0,16 0,15 0,14
Refrigerador no tiene 0,25 0,21 0,29 0,22
Celular no tiene 0,19 0,31 1,10 2,39
Mini- no tiene 0,14 0,11 0,38 0,36
componente
Lavadora no tiene 0,15 0,13 0,22 0,21
Microondas no tiene 0,23 0,15 1,77 1,52
Videograbador no tiene 0,16 0,11 1,30 1,20
Características socioeconómicas Educación sin educación 0,26 0,22 0,03 0,03

del hogar Empleo desempleado 0,09 0,08 1,84 2,66
los hogares. En cambio sí existen diferencias importantes en los niveles

de educación de los jefes de hogar y hay un grado de concentración
relativamente importante de los que tienen educación superior completa
en unas pocas comunas del sector oriente de la ciudad.
VII. Conclusiones
En general, hay bastante acuerdo respecto a los niveles y la

evolución que han tenido tanto la pobreza como la desigualdad en Chile
y en la Región Metropolitana. Sin embargo, no existe igual acuerdo
l
.c
respecto a la segregación. Hay distintas formas de definirla y medirla y
las mediciones no son consistentes a lo largo del tiempo, así que
ile
tampoco hay acuerdo en su evolución en el tiempo. A pesar de ello, sí
existen muchas percepciones y opiniones muy marcadas. La visión
dominante respecto a la ciudad de Santiago es que es una ciudad muy
ch
segregada, lo cual tendría efectos negativos en la calidad de vida de las
personas y el funcionamiento de la ciudad.
ep
Esta percepción negativa de la segregación en Santiago no siem-

pre está bien respaldada en un análisis empírico riguroso ni se conside-
ran las limitaciones estadísticas que tienen los datos utilizados para
.c
proveer evidencia de segregación. Como resultado de estas percepcio-

nes muchas veces se sacan más conclusiones que las que los datos
w
realmente permiten. Esto es particularmente cierto dado que no existen

datos disponibles de ingresos que tengan representatividad estadística a
w
niveles geográficos más pequeños que una región o algunas comunas

muy grandes.
w
En el análisis empírico se utilizan datos de los censos de 1992 y

2002 y una metodología que permite combinar los datos de la encuesta
Casen con los del Censo para generar datos de ingreso representativos
a nivel comunal, con el objeto de contribuir a la discusión sobre segre-
gación en Santiago a partir de los datos objetivos y considerando el rol
de los ingresos, la pobreza y la desigualdad.
La evidencia empírica que entregan los datos censales es bastan-
te menos dramática que la percepción de la segregación en Santiago.
Particularmente, los datos muestran que la calidad de vida, en términos
de vivienda y bienes durables, ha mejorado en forma importante duran-
te la última década y las desigualdades entre comunas también se han
reducido en forma importante. En ese sentido la ciudad se ha vuelto

menos segregada, lo que se confirma al calcular los índices de segrega-
ción más utilizados en la literatura.
Adicionalmente, algunas afirmaciones sobre Santiago no se ven
confirmadas en los datos. Por ejemplo, la idea de que en Santiago las
comunas más pobres son heterogéneas, porque en ellas conviven fami-
lias pobres y de clase media, mientras que las comunas más ricas son
homogéneas no se refleja en los datos de pobreza y desigualdad comu-
nal, ya que tanto las comunas más pobres como las más ricas son las
más homogéneas de todas en términos de ingreso per cápita. De igual
l
.c
forma, la percepción de que las comunas en el centro de Santiago son
más homogéneas y menos segregadas que las comunas de la periferia
ile
de la ciudad tampoco se confirma en los datos de desigualdad en los
ingresos y hay comunas periféricas tan heterogéneas u homogéneas en
términos de ingreso como las comunas ubicadas en el centro de la
ch
ciudad.
La evidencia presentada en este trabajo, sin embargo, es menos
ep
positiva en términos de cambios significativos en el tiempo en el nivel

educacional promedio de la población. En este sentido, los datos mues-
tran que las diferencias entre comunas son importantes en algunos
.c
casos, en particular en educación básica y en educación universitaria,

donde unas pocas comunas concentran una fracción importante de
w
personas con alto nivel educacional y muy pocas personas con bajo
nivel educacional.
w
Por último, es importante destacar que en muchos de los indica-

w
dores presentados de calidad de vivienda, acceso a bienes durables e

ingresos per cápita hay tres comunas que tienden a estar muy arriba del
promedio: Vitacura, Providencia y Las Condes. Por un lado, si aplica-
mos la definición de segregación, esto nos lleva a concluir que son las
tres comunas de más altos ingresos las que están segregadas en la
ciudad. En este sentido si la preocupación es la segregación per se, la
discusión pública debiera centrarse en los hogares de más altos ingre-
sos que son los que efectivamente están segregados del resto de la
ciudad donde viven la clase media y los pobres que son la gran mayo-
ría. Por otro lado, esto genera la pregunta de qué pasaría entonces si
eliminamos dicha segregación e integramos a todos los hogares de esas
tres comunas al resto de la ciudad. Si bien es un ejercicio artificial, los
resultados de repartir a todas las familias de Vitacura, Las Condes y

Providencia en forma aleatoria en el resto de la ciudad muestran que no
cambian mucho las cosas. Con pocas excepciones, las distribuciones
de las características de la vivienda y de los distintos bienes que poseen
los hogares se mantienen casi inalteradas. El único cambio significativo
ocurre en la distribución del nivel educacional del jefe de hogar, donde
aumenta la proporción que tiene educación superior en todas las comu-
nas y se hace más homogénea la distribución (menor desigualdad entre
comunas).
Este último ejercicio no sólo confirma que la calidad de vida ha
l
.c
mejorado mucho y las diferencias entre comunas en la Región Metro-
politana se han reducido en forma significativa, sino que la pobreza y
ile
las diferencias en capital humano son problemas de mayor magnitud y,
por lo mismo, debieran tener mayor prioridad en el debate público que
la segregación.
ch
ep
ANEXO METODOLÓGICO
.c
La metodología general para generar mapas de pobreza y des-

igualdad geográficamente desagregados consiste en usar los datos de
w
las encuestas de hogares para imputar los datos faltantes de ingreso en

el censo y, posteriormente, con las medidas imputadas de ingreso a
w
nivel de hogar, estimar los indicadores de pobreza a niveles más des-

agregados que los que permiten las encuestas de hogares. Para esto se
w
procede en dos etapas. En la primera etapa se estima un modelo de

ingreso por hogar usando los datos de las encuestas pero restringiendo
las variables explicativas a las que están contenidas en las dos bases de
datos (encuestas de hogares y censo). En la segunda etapa se estima el
nivel esperado de los indicadores de pobreza y desigualdad dadas las
características observables de la población en el censo.
En términos estadísticos, la metodología consiste en estimar la
distribución conjunta del ingreso y un vector de variables que co-varían
con el ingreso. Restringiendo el set de variables explicativas a las
existentes para personas y hogares en el censo, la distribución conjunta
estimada puede usarse para generar la distribución del ingreso para
cualquier subconjunto de la población en el censo, condicional a las

características observadas de ese subconjunto de la población. De esta
forma es posible obtener la distribución condicional, la estimación pun-
to y el error estándar de los indicadores de pobreza y desigualdad.
En la primera etapa se estima un modelo que relaciona el ingreso
per cápita del hogar h (Yh), asociado a un cluster geográfico c, con un
conjunto de características observables (Xh):
ln Yhc = E[ln Yhc/Xhc] + uhc = Xhc β + μhc
l
.c
El vector de errores u se asume que tiene una distribución con
media cero y una matriz varianza-covarianza Σ: ƒ(0,Σ). Para permitir
ile
algún grado de correlación dentro de cada cluster6 se utiliza la siguiente
especificación:
ch
uhc = η c + εhc
ep
donde η, el componente de cluster, y el error idiosincrático son inde-

pendientes entre sí y no están correlacionados con las variables obser-
vables Xhc.
.c
En general, a la varianza del componente idiosincrático del error

η ε se le puede dar una forma funcional bastante flexible. Con estima-
2
w
dores consistentes de β, los residuos de la descomposición del error

estimado u^ hc = u^ .c + (u^ hc – u^ .c) = η^ c + ε^ hc7 pueden usarse para estimar
w
la varianza de ε. La forma funcional que comúnmente se usa para estos

w
efectos es la logística que, entre otras cosas, garantiza tener valores no

negativos para la varianza:
z Thcα
[
Aε^
σε2 = —————
+B
zT α
1 + ε^ hc ]
Los límites superior e inferior, A y B, se estiman junto al pará-
metro α usando un procedimiento estándar de pseudo máxima verosi-
6 Correlación entre hogares en la misma área geográfica.

7 El subíndice “.” en la ecuación representa el promedio sobre dicho índice.
militud. La ventaja de esta forma funcional es que además impide

valores excesivamente altos para las varianzas predichas8.
Este modelo se estima con los datos de las encuestas de hogares
usando una aproximación lineal de la expectativa condicional, permitien-
do los efectos geográficos (cluster) y de heterocedasticidad mencionados
en la distribución del término de error9. Como resultado de la estimación
en la primera etapa se obtiene un conjunto de parámetros estimados del
modelo: el vector β, la matriz varianza-covarianza asociada a este vector
y los parámetros que describen la distribución de los errores.
En la segunda etapa se utiliza el set de parámetros obtenidos en
l
la primera etapa junto a las características de los hogares en los datos
.c
del censo para calcular los indicadores de pobreza y desigualdad por
áreas geográficas desagregadas. Específicamente, se combinan los pa-
ile
rámetros estimados en la primera etapa con las características observa-
bles de cada individuo u hogar en el censo para generar valores predi-
ch
chos del logaritmo del ingreso y los términos de error. Para estos
efectos, se utiliza el método de bootstrap que simula los valores del
ingreso de cada hogar o de cada individuo. Los valores simulados se
ep
basan en la predicción de los ingresos a partir de las características

observables (Xhc), los parámetros asociados a esas características (β )
^
y los términos de error del cluster (η ) e idiosincrático del hogar (ε):

.c
^
Y hc = exp ( Xhc β + η^ c + ε^ hc)
^
w
w
donde, para cada hogar, los dos componentes del término de error se
obtienen de la distribución empírica descrita por los parámetros en la
w
primera etapa10. De igual forma, los coeficientesβ se obtienen de la

^
8 Como se muestra en Elbers et al. (2003), la estimación de los límites A y B
sin restricciones genera una distribución bien comportada de residuos predichos. Alter-
nativamente, es posible imponer un límite B=0 y A= 1,05 max {ε^hc} y obtener
resultados empíricos similares.
9 Se debe tener en cuenta que los efectos geográficos residuales pueden reducir
en una magnitud importante la precisión de los resultados en la segunda etapa. Por esta
razón, es de vital importancia explicar la variación en el ingreso debida a la ubicación
geográfica, con la elección adecuada de las variables observables. La evidencia empírica
muestra que puede ser útil incluir entre las variables explicativas las medias geográficas
de algunas variables calculadas con los datos del censo.
10 Para los dos componentes del error, hogar y cluster se utiliza una distribución
normal. Adicionalmente se realizaron estimaciones con una distribución t y una distri-

bución no paramétrica. Sin embargo, al comparar las tasas de pobreza nacional y
regionales estimadas con las de la encuesta Casen, la predicción más precisa se obtuvo
con una distribución normal multivariada.
distribución descrita por los estimadores β de en la primera etapa y la

matriz de varianza y covarianzas asociada a ellos11.
Por último, para generar los indicadores de pobreza y desigual-
^
dad, se utiliza el set completo de valores simulados de Y hc para calcular
el valor esperado de dichos indicadores por zona geográfica. El proce-
dimiento se repite n veces y se obtiene un nuevo set de coeficientes β y
errores para cada simulación. Para cada subgrupo geográfico se calcu-
la la media y la desviación estándar de los indicadores de pobreza y
desigualdad sobre el total de simulaciones. Para una ubicación geográfi-
ca dada, estas medias constituyen las estimaciones punto del indicador
l
y las desviaciones estándar corresponden a los errores estándar de
.c
estos estimadores.
Llamemos al indicador de pobreza o desigualdad H, que es una
ile
función Xc, β u donde η c es un vector Nc del número de miembros del
hogar en la comuna c y Xc es un Nc xk vector de características obser-
ch
vables de los individuos y uc es un Nc vector de errores. En esta etapa
se estima el valor esperado de H, dadas las características de los
individuos y hogares que son observadas en el censo y el modelo
ep
estimado en la primera etapa:
HcE = E [H/η, X; ξ ]
.c
w
donde ξ es el vector de parámetros del modelo e incluye los parámetros

que describen la distribución del error. Reemplazando el vector ξ por un
w
estimador consistente se obtiene:

w
^ ^
HcE = E [H/η , X; ξ ]
En general, este valor esperado condicional es imposible de re-

solver analíticamente, por lo que se usa el método de simulaciones de
^
Montecarlo para obtener un estimador HcE. El problema se repite para el
cálculo de los errores estándar, ya que dicho cálculo no es trivial y, de
hecho, no es posible calcularlos analíticamente. Por esta razón, se debe
recurrir al método de bootstrapping y simulaciones de Montecarlo para
su estimación.
11 Aplicando el teorema del límite central se asume que la distribución del
vector β converge a una distribución normal multivariada.

~
La diferencia entre HcE, el estimador del valor esperado de H, y
el nivel actual de H para la zona geográfica se puede descomponer en
tres partes de la siguiente forma:
~ ^ ^ ~
Hc – HcE = (Hc – HcE) + (HcE – HcE) + (HcE – HcE)
Es así como el error de predicción tiene tres componentes, el

error idiosincrático, el error del modelo y el error de cálculo. El prime-
ro se debe a la presencia de un error estocástico en el modelo de la
primera etapa, lo cual implica que los ingresos actuales de los hogares
l
se desvían de sus valores esperados; el segundo se debe a la varianza
.c
en los estimadores de la primera etapa de los parámetros del modelo; y
^
el tercero se debe a un método inexacto para calcular HcE.
ile
Debido al error idiosincrático, la varianza del estimador disminu-
ye en forma inversamente proporcional al tamaño de la población para
ch
cada zona geográfica. Mientras más pequeño sea el nivel de desagrega-
ción geográfica, mayor será el primer componente de error generando
restricciones al nivel de desagregación posible12.
ep
La varianza del estimador debida al error del modelo puede cal-

cularse usando el método delta: V mod elo =∇TV(ξ)∇ donde ∇ = [∂ HE/∂ξ],
V (ξ) es la matriz de varianzas y covarianzas de los estimadores de la
.c
primera etapa y ξ es un estimador consistente de ξ también obtenido en

w
la primera etapa. Este componente de la varianza del estimador de

pobreza está determinado por las propiedades de los estimadores de la
w
primera etapa y por esta razón no cambia sistemáticamente con el

tamaño de la zona geográfica. Su magnitud depende exclusivamente de
w
la precisión de los parámetros estimados en la primera etapa.

El error de cálculo de la varianza del estimador depende del
método computacional utilizado. Dado que el método es una simula-
ción, es posible reducir este componente al mínimo por medio de un
número grande de simulaciones. La mayoría de los trabajos que han
implementado esta metodología usan cien simulaciones; sin embargo,
E [n2cVar(G/Xc,β)]
igual a Σ/N, donde S = ———————.
12 El componente idiosincrático del error es
(E [n])2
Por esta razón, el componente del error aumenta al desagregar el indicador de desigual-
dad en poblaciones más pequeñas.
en este trabajo se han usado 250 para reducir aún más este componen-
te del error13.
Se utilizaron simulaciones de Montecarlo para calcular el valor
esperado de H condicional en la regresión de la primera etapa, la
varianza generada por el componente idiosincrático del ingreso per
cápita de los hogares y el vector de gradientes. Cada simulación obtiene
250 vectores de términos de error de la distribución estimada en la
primera etapa, con cada uno de estos vectores se calcula un valor para
H y luego el valor esperado simulado para H es la media para las 250
réplicas:
l
.c
1 250 ~
HE = —— Σ HEd
~
ile
250 d=1
De la misma manera, la varianza de H es estimada usando:

ch
250
^ 1 Σ (H – H~E)2.
ep
Vmod elo = ——
250 d=1 d
.c
Es importante destacar que un supuesto fundamental de esta

metodología es que los modelos econométricos estimados usando los
w
datos de encuestas son aplicables a las observaciones del censo. Este

supuesto es bastante razonable si el año del censo y la encuesta coinci-
w
den o son bastante cercanos, como ocurre en el caso de este trabajo,

en que se utiliza la encuesta Casen del año 2003 y el censo del año
w
2002.
13 Aumentar el número de simulaciones sobre 250 no tuvo ningún impacto

relevante en la magnitud de los errores estándar.
claudio a. agostini 255
anexo
Gráfico 1A: distribución del porcentaje de viviendas con pared de

ladrillo o cemento en la RM (1992 y 2002)
l
.c
ile
ch
ep
Fuente: Censo Población y Vivienda, 1992 y 2002.

.c
Gráfico 2a: distribución del porcentaje de viviendas con pared de

adobe en la RM (1992 y 2002)
w
w
w

256 estudios públicos
Gráfico 3a: distribución del porcentaje de viviendas con piso de tierra en

la RM (1992 y 2002)
l
.c
ile
ch
ep
Gráfico 4a: distribución del porcentaje de viviendas con piso de

.c
baldosín en la RM (1992 y 2002)

w
w
w

Gráfico 5a: distribución del porcentaje de viviendas con techo de tejuelas

en la RM (1992 y 2002)
l
.c
ile
ch
ep
Gráfico 6a: distribución del porcentaje de viviendas con techo de otros

.c
materiales (como fonolita, fibra vidrio, paja embarrada)

en la RM (1992 y 2002)
w
w
w

Gráfico 7a: distribución del porcentaje de viviendas de tipo casa en la RM

(1992 y 2002)
l
.c
ile
ch
ep
Gráfico 8a: distribución del porcentaje de viviendas de tipo departamento

.c
en la RM (1992 y 2002)
w
w
w

Gráfico 9a: distribución del porcentaje de viviendas de tipo mediagua en

la RM (1992 y 2002)
l
.c
ile
ch
ep
Gráfico 10A: distribución del porcentaje de hogares que tienen

.c
refrigerador en la RM (1992 y 2002)

w
w
w

Gráfico 11a: distribución del porcentaje de hogares que tienen televisor

en colores en la RM (1992 y 2002)
l
.c
ile
ch
ep
Gráfico 12a: distribución del porcentaje de hogares que tienen

.c
videograbador en la RM (1992 y 2002)

w
w
w

Gráfico 13a: distribución del porcentaje de hogares que tienen lavadora

en la RM (1992 y 2002)
l
.c
ile
ch
ep
Gráfico 14a: distribución del porcentaje de hogares que tienen horno

.c
microondas en la RM (1992 y 2002)

w
w
w

Gráfico 15a: distribución del porcentaje de hogares que tienen celular en

la RM (1992 y 2002)
l
.c
ile
ch
ep
Gráfico 16a: distribución del porcentaje de hogares que tienen teléfono

.c
fijo en la RM (1992 y 2002)

w
w
w

Gráfico 17a: distribución del porcentaje de jefes de hogar con educación

básica completa en la RM (1992 y 2002)
l
.c
ile
ch
ep

media completa en la RM (1992 y 2002)
.c
w
w
w

Gráfico 19a: distribución del porcentaje de jefes de hogar con formación

técnica completa en la RM (1992 y 2002)
l
.c
ile
ch
ep

.c
universitaria completa en la RM (1992 y 2002)

w
w
w

Gráfico 21a: distribución del porcentaje de población femenina con empleo

en la RM (1992 y 2002)
l
.c
ile
ch
ep

.c
w
Referencias
w
Agostini, C. A. y P. H. Brown: “Desigualdad Geográfica en Chile”. Revista de Análisis

Económico, 22(1): 3-33, 2007.
w
———— “Distribución Espacial de la Pobreza en Chile”. Estudios de Economía, 35(1):

79-110, 2008.
Agostini, C. A., P. H. Brown y D. P. Góngora: “Public Finance, Governance, and Cash
Transfers in Alleviating Poverty and Inequality in Chile”. “Public Budgeting and
Finance” (2010, en prensa)
Atkinson, A. B.: “Poverty”. En Steven N. Durlauf y Lawrence E. Blume (eds.), The New
Palgrave Dictionary of Economics. Palgrave Macmillan, segunda edición, 2008.
Bayer, P., R. McMillan y K. Reuben: “What Drives Racial Segregation”. Journal of
Urban Economics, 56, 514-535, 2004.
Bell, W.: “A Probability Model for the Measurement of Ecological Segregation”. Social
Forces, 43: 357-364, 1954.
Burton, E.: “Housing for an Urban Renaissance: Implications for Social Equity”.
Housing Studies 18(4), 537-562, 2003.
Calabrese, S., D. Epple, et al.: “Local Public Good Provision: Voting, Peer Effects, and
Mobility”. Journal of Public Economics 90(6-7): 959-981, 2006.
Charles, C., G. Dinwiddie y D. Massey: “The Continuing Consequences of Segregation:

Family Stress and College Academic Performance”. Social Sciences Quarterly,
85(5), 1353-1373, 2004.
Clapp, J. y S. Ross: “Schools and Housing Markets: an Examination of School
Segregation and Performance in Connecticut”. Economic Journal 114(499),
425-440, 2004.
Cutler, D. y E. Glaeser: “Are Ghettos Good or Bad?” Quarterly Journal of Economics
112(3), 826-872, 1997.
Cutler, D., E. Glaeser y J. Vigdor: “The Rise of the American Ghetto”. Journal of
Political Economy, 107(3), 455-505, 1999.
Dawkings, J., Q. Shen y T. Sanchez: “Race, Space, and Unemployment Duration”.
Journal of Urban Economics, 58, 91-113, 2005.
Duncan, O. D. y B. Duncan: “A Methodological Analysis of Segregation Indexes”.
l
American Sociological Review 20, 1955.
.c
Elbers, Chris, Jean O. Lanjouw y Peter Lanjouw: “Micro-Level Estimation of Poverty
and Inequality”. Econometrica 71(1), 2003.
ile
Epple, D. y G. J. Platt: “Equilibrium and Local Redistribution in an Urban Economy
When Households Differ in both Preferences and Income”. Journal of Urban
Economics, 43, 23-51, 1998.
ch
Epple, D. y H. Sieg: “Estimating Equilibrium Models of Local Jurisdictions”. The Journal
of Political Economy, 107(4): 645-681, 1999.
Erbe, B.: “Race and Socioeconomic Segregation”. American Sociological Review, 40(6):
801-812, 1975.
ep
Fossett, M.: “Measuring Uneven Distribution: Conceptual and Practical Considerations

for Segregation Studies”. Paper presented at the annual meeting of the American
Sociological Association, Marriott Hotel, Loews Philadelphia Hotel, Phila-
.c
delphia, PA, 2005.

Galster, G.: “Housing Discrimination and Urban Poverty of African-Americans”.
Journal of Housing Research, 2(2), 1991.
w
———— “Research on Discrimination in Housing and Mortgage Markets: Assessment

and Future Directions”. Housing Policy Debate 3(2): 639-83, 1992.
w
Galster, G. C. y S. P. Killen: “The Geography of Metropolitan Opportunity: A

Reconnaissance and Conceptual Framework”. Housing Policy Debate, 6(1), 7-
w
44, 1995.
Glaeser, E. L.: “Inequality”. Working Paper Nº 11511, National Bureau of Economic
Research, 2005.
Hanushek, E. y K. Yilmaz: “The Complementarity of Tiebout and Alonso”. Journal of
Housing Economics, 16(2): 243-261, 2007.
Harsman, B. y J. Quigley: “The Spatial Segregation of Ethnic and Demographic Groups:
Comparative Evidence from Stockholm and San Francisco”. Journal of Urban
Economics, 37, 1-16, 1995.
Hoxby, C. M.: “The Productivity of Schools and Other Local Public Goods Producers”.
Journal of Public Economics, 74(1): 1-30, 1999.
————: “Does Competition among Public Schools Benefit Students and Taxpayers?”
American Economic Review, 90(5): 1209-1238, 2000.
Hutchens, R. M.: “Segregation Curves, Lorenz Curves, and Inequality in the
Distribution of People across Occupations”. Mathematical Social Sciences,
21(1): 31-51, 1991.
Kremer, M. y E. Maskin: “Wage Inequality and Segregation by Skill”. NBER Working

Paper Nº W5718, 1996.
Larrañaga, O. y C. Sanhueza: “Residential Segregation Effects on Poor’s Opportunities
in Chile”. Documento de Trabajo Nº 259, Departamento de Economía,
Universidad de Chile, 2007.
Logan, J. y S. Messner: “Racial Residential Segregation and Suburban Violent Crime”.
Social Sciences Quarterly, 68(3), 510-527, 1987.
Massey, D. S. y N. A. Denton: “The Dimensions of Residential Segregation”. Social
Forces, 67(2), 281-315, 1988.
Miller, V. y J. Quigley: “Segregation by Racial and Demographic Group: Evidence from
the San Francisco Bay Area”. Urban Studies, 27, 3-21, 1990.
Nechyba, T.: “School Finance Induced Migration and Stratification Patterns: The Impact
of Private School Vouchers”. Journal of Public Economic Theory, 1(1), 5-50,
l
1999.
.c
Rodríguez, J.: “Segregación Residencial Económica: ¿Qué es? ¿Cómo se Mide? ¿Qué está
Pasando? ¿Importa?”. Población y Desarrollo, 16, 2001.
ile
Ross, N.A., K. Nobrega y J. Dunn: “Income Segregation, Income Inequality and
Mortality in North American Metropolitan Areas”. GeoJournal 53(2), 2002.
Sabatini, F.: “Tendencias de la Segregación Residencial Urbana en Latinoamérica:
ch
Reflexiones a Partir del Caso de Santiago de Chile”. Presentado en Seminario:
Latin American: Democracy, Markets and Equity at the Threshold of New
Millenium. Universidad de Upsala, Suecia, 1999.
———— “Reforma de los Mercados de Suelo en Santiago, Chile: Efectos sobre los
ep
Precios de la Tierra y la Segregación Residencial”. EURE, 26(77): 49-80, 2000.

———— “Medición de la Segregación Residencial: Reflexiones Metodológicas desde la
Ciudad Latinoamericana”. En G. Cáceres y F. Sabatini, Barrios Cerrados en
.c
Santiago de Chile: Entre la Exclusión y la Integración Residencial. Santiago de

Chile: Instituto de Geografía, PUC Chile, 2004.
———— “The Social Spatial Segregation in the Cities of Latin America”. Washington
w
DC: Inter-American Development Bank, Sustainable Development Department,

2006.
w
Sabatini, F., G. Cáceres y J. Cerda: “Segregación Residencial en las Principales Ciudades

Chilenas: Tendencias en las Últimas Tres Décadas y Posibles Cursos de Acción”.
w
EURE, 27(82), 21-42, 2001.

Schafer, R.: “Racial’s Discrimination in the Boston Housing Market”. Journal of Urban
Economics, 6, 1176-1196, 1979.
Sethi, R. y R. Somanathan: “Inequality and Segregation”. Journal of Political
Economy, 112(6), 2004.
Tiebout, C. M.: “A Pure Theory of Local Expenditures”. The Journal of Political
Economy, 64(5): 416-424, 1956.
Van Valey, T. L. y W. C. Roof: “Measuring Segregation in American Cities”. Urban
Affairs Quarterly, 11, 453-568, 1976.
Vandell, Kerry D.: “Market Factors Affecting Spatial Heterogeneity among Urban
Neighborhoods”. Housing Policy Debate, 6(1), 103-139, 1995.
Vargas, M.: “Causes of Residential Segregation: The Case of Santiago, Chile”. Mimeo,
Centre for Spatial and Real Estate Economics, Department of Economics, The
University of Reading, United Kingdom, 2006.
Vargas, M. y V. Royuela: “Segregación Residencial: Una Revisión de la Literatura”.
Mimeo, Facultad de Economía y Empresa, Universidad Diego Portales, 2007.
Vigdor, Jacob L.: “Residential Segregation”. En Steven N. Durlauf y Lawrence E. Blume

(eds.), The New Palgrave Dictionary of Economics. Palgrave Macmillan, segunda
edición, 2008.
Yinger, J.: “The Black-White Price Differentials in Housing: Some further Evidence”,
Land Economics 54, 1978.
White, M. J.: “The Measurement of Spatial Segregation”. American Journal of
Sociology, 88(5), 1008-1018, 1983.
l
.c
ile
ch
ep
.c
w
w
w

Pobreza, Desigualdad y Segregación en La RM

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pobreza, Desigualdad y Segregación en La RM

Cargado por

Copyright:

Formatos disponibles

ESTUDIO

POBREZA, DESIGUALDAD Y SEGREGACIÓN

en la Región Metropolitana. Sin embargo, no existe igual gra-

tos validados que permitan ver su evolución en el tiempo. No

urbe muy segregada y se piensa que ello tiene efectos negati-

que la segregación geográfica es mala per se y sí hay casos

literatura económica muestra consistentemente dos casos en

CLAUDIO AGOSTINI. Doctor en Economía, University of Michigan. Profesor

Estudios Públicos, 117 (verano 2010).

los más pobres. Por esta razón, un análisis relevante para la

“En el nuevo contexto de globalización de las economías,

en revista EURE, 2001)

E n general, existe bastante consenso respecto a qué son la

En el caso de la desigualdad, el objetivo es poder comparar

La percepción general respecto a la ciudad de Santiago es que se

lo cual tendría efectos negativos en sus habitantes y en el funciona-

entiende por segregación, a partir de un concepto sociológico, la falta

geográfica implica una distribución no homogénea de distintos grupos

grupo social se entiende nivel de ingreso o grupo socioeconómico.

en la plaza de Armas, entre alumnos y profesores en una sala donde se

En el caso de las personas de menores ingresos, que es más

raciales, la evidencia es que los pobres que viven aislados en barrios

en barrios más heterogéneos, lo que se traduce en peores resultados

(Dawkins et al., 2005; Charles et al., 2004; Clapp y Ross, 2004;

barrios donde se concentra pobreza, en general, hay pocos modelos

también que aunque la segregación reduce las probabilidades de partici-

II. ¿Qué es y cómo medir la segregación?

En la literatura económica, el concepto de segregación está rela-

cionado con el funcionamiento del mercado de viviendas y la ubicación

“segregación residencial” corresponde a “un equilibrio en el mercado

de viviendas caracterizado por disparidades en la ubicación física de

nómicos” (Vigdor, 2008). En este sentido, la segregación consiste

porque la segregación permite que los hogares de más altos ingresos

una ciudad). El índice tiene valores entre 0 y 1, donde 0 es integración

Lo interesante de este índice es que entrega una medida que

distintos países, si bien la definición del grupo que se está evaluando y

y quedan a criterio del investigador.

En particular, este índice tiene el problema de checkerboard, consisten-

incluso cuando las personas son asignadas aleatoriamente en distintos

donde ti representa la población total en la subunidad geográfica i; pi

subunidad geográfica i, T es la población total de la unidad geográfica

total de la unidad geográfica superior.

La expresión matemática de este índice es la siguiente:

donde xi es el grupo minoritario e yi el grupo mayoritario en la subuni-

1El Índice de Aislamiento mide la probabilidad de contacto entre miembros de

Ambos índices consideran la segregación entendida como el grado

III. ¿Qué se dice y qué sabemos

centro histórico con la periferia en una dirección geográfica definida”.

la segregación residencial sería la liberalización de los mercados de

Estos procesos habrían llevado a una transformación del patrón tradi-

virtiendo la distribución de las ciudades en lo que hoy conocemos. El

peo, donde los grupos de ingresos altos estaban en el centro de la

concluye que Santiago es una ciudad segregada, con un nivel de segre-

cos muy precisos, no siempre se consideran hipótesis alternativas que

co está siempre bien documentada. Rodríguez (2001) señala que “San-

ciudades más segregadas del planeta”. Sin embargo, no cita ni mencio-

estudios. Sabatini (2006) menciona como un aspecto negativo de la

mente homogéneas y uno de los problemas en las ciudades en Latino-

información también sobre segregación. Sin embargo, en la discusión

de ingresos medios y bajos, por lo que la homogeneidad también es

sobre la desintegración social, ya que las familias pobres, al vivir en

meno real” (Sabatini, 2004).

de equiparar segregación a desigualdad tiene que ver con lo que vemos